En este HTML se presentan diferentes grĆ”ficos, resultados de los anĆ”lisis de las series GSE8879, GSE10609, GSE14618, GSE26713, GSE28703, GSE32215, GSE33469, GSE33470, GSE37389, GSE56488, GSE62156, GSE110633 y GSE110636. AquĆ­ se comenta cĆ³mo se han creado los grĆ”ficos:

-Volcano plots: se realizaron solamente para una comparaciĆ³n. Antes de cada volcano plot se indican los grupos a comparar.

-Heatmaps.

-Dotplots: se indicarĆ”n aquĆ­. Solo se mostrarĆ” en el caso de GSE10609 cĆ³mo se ha realizado, el resto se crearĆ”n de igual forma. Se mostrarĆ”n grĆ”ficos referentes a cada comparaciĆ³n, solo para aquellas comparaciones que resulten en enriquecimientos significativos con enrichGO (pvalueCutoff = 0.05). El enriquecimiento se hace mediante la funciĆ³n enrichGO, que genera un resultado similar al que tenĆ­amos segĆŗn enrichPathway, pero con esta funciĆ³n se pueden generar dotplots que se interpretan mejor que cualquier otro.

-Diagramas de Venn: se han creado a partir de las coincidencias encontradas en el enriquecimiento funcional de las bases de datos resultado de nuestras comparaciones. Este enriquecimiento a partir de bases de datos de tres autores generĆ³ unas tablas, teniendo en cada fila un gen. AquĆ­ se indica con este tipo de diagramas la cantidad de genes encontrada en cada comparaciĆ³n, y cuĆ”les son comunes con las bases indicadas por Huang et al., 2018; SebestyĆ©n et al., 2016 y Wang et al., 2019.

Huang, R., Han, M., Meng, L., & Chen, X. (2018). Transcriptome-wide discovery of coding and noncoding RNA-binding proteins. Proceedings of the National Academy of Sciences, 115(17), E3879-E3887.

SebestyĆ©n, E., Singh, B., MiƱana, B., PagĆØs, A., Mateo, F., Pujana, M. A., ā€¦ & Eyras, E. (2016). Large-scale analysis of genome and transcriptome alterations in multiple tumors unveils novel cancer-relevant splicing networks. Genome research, 26(6), 732-744.

Wang, E., Lu, S. X., Pastore, A., Chen, X., Imig, J., Lee, S. C. W., ā€¦ & Aifantis, I. (2019). Targeting an RNA-binding protein network in acute myeloid leukemia. Cancer cell, 35(3), 369-384.

GSE8879

Volcano plot

Para la comparaciĆ³n ETP - Not ETP.

Volcano plot GSE8879

Heatmap

Heatmap GSE8879

Dotplot

Todos los puntos son interesantes, al haber filtrado antes nuestros datos (adj.P.Val < 0.05 del toptab y pvalueCutoff = 0.05, qvalueCutoff = 0.05). Este grĆ”fico es igual que si usĆ”ramos solo la primera condiciĆ³n, al ser las demĆ”s menos restrictivas.

Diagrama de Venn

Los anĆ”lisis de significaciĆ³n biolĆ³gica se generaron a partir de los selGenes y geneUniverse, de la siguiente forma:

library(ReactomePA) enrich.result <- enrichPathway(gene = selGenes_GSE8879, pvalueCutoff = 0.05, readable = T, organism = ā€œhumanā€, universe = geneUniverse)

Por lo que la informaciĆ³n de estas listas nos proporcionarĆ” la base para el diagrama de Venn. A partir de esto se genero un df llamado Resultado_GSE8879.

Transcriptome

Haremos un diagrama con los genes selGenes de GSE8879 y referente al artĆ­culo: Huang, R., Han, M., Meng, L., & Chen, X. (2018). Transcriptome-wide discovery of coding and noncoding RNA-binding proteins. Proceedings of the National Academy of Sciences, 115(17), E3879-E3887.

## (polygon[GRID.polygon.109], polygon[GRID.polygon.110], polygon[GRID.polygon.111], polygon[GRID.polygon.112], text[GRID.text.113], text[GRID.text.114], text[GRID.text.115], lines[GRID.lines.116], text[GRID.text.117], text[GRID.text.118])

Targeting

Ahora con: Wang, E., Lu, S. X., Pastore, A., Chen, X., Imig, J., Lee, S. C. W., ā€¦ & Aifantis, I. (2019). Targeting an RNA-binding protein network in acute myeloid leukemia. Cancer cell, 35(3), 369-384.

## (polygon[GRID.polygon.119], polygon[GRID.polygon.120], polygon[GRID.polygon.121], polygon[GRID.polygon.122], text[GRID.text.123], text[GRID.text.124], text[GRID.text.125], lines[GRID.lines.126], text[GRID.text.127], text[GRID.text.128])

## (polygon[GRID.polygon.129], polygon[GRID.polygon.130], polygon[GRID.polygon.131], polygon[GRID.polygon.132], text[GRID.text.133], text[GRID.text.134], lines[GRID.lines.135], text[GRID.text.136], lines[GRID.lines.137], text[GRID.text.138], text[GRID.text.139])

Large

Ahora con: Wang, E., Lu, S. X., Pastore, A., Chen, X., Imig, J., Lee, S. C. W., ā€¦ & Aifantis, I. (2019). Targeting an RNA-binding protein network in acute myeloid leukemia. Cancer cell, 35(3), 369-384.

## (polygon[GRID.polygon.140], polygon[GRID.polygon.141], polygon[GRID.polygon.142], polygon[GRID.polygon.143], text[GRID.text.144], text[GRID.text.145], text[GRID.text.146], lines[GRID.lines.147], text[GRID.text.148], text[GRID.text.149])

GSE10609

Volcano plot

Grupos HOX11 - HOX11L2:

Volcano plot GSE10609

Heatmap

Heatmap GSE10609

Dotplot

##  [1] "a"                                    
##  [2] "b"                                    
##  [3] "d"                                    
##  [4] "e"                                    
##  [5] "ego1"                                 
##  [6] "f"                                    
##  [7] "g"                                    
##  [8] "geneUniverse"                         
##  [9] "GSE8879_Large"                        
## [10] "GSE8879_Targeting1"                   
## [11] "GSE8879_Targeting2"                   
## [12] "GSE8879_Targeting5"                   
## [13] "GSE8879_Transcriptome"                
## [14] "h"                                    
## [15] "i"                                    
## [16] "j"                                    
## [17] "Large_scale"                          
## [18] "selGenes"                             
## [19] "Targeting2"                           
## [20] "Targeting5"                           
## [21] "topTab_GSE10609_HOX_Anot"             
## [22] "topTab_GSE10609_HOX11HOX11L2HOXA_Anot"
## [23] "topTab_GSE10609_HOX11HOX11L2LMO2_Anot"
## [24] "topTab_GSE10609_HOX11HOX11L2TAL1_Anot"
## [25] "topTab_GSE10609_HOX11HOXA_Anot"       
## [26] "topTab_GSE10609_HOX11L2HOXA_Anot"     
## [27] "topTab_GSE10609_HOX11L2LMO2_Anot"     
## [28] "topTab_GSE10609_HOX11L2TAL1_Anot"     
## [29] "topTab_GSE10609_HOX11LMO2_Anot"       
## [30] "topTab_GSE10609_HOX11TAL1_Anot"       
## [31] "topTab_GSE10609_HOXALMO2_Anot"        
## [32] "topTab_GSE10609_HOXATAL1_Anot"        
## [33] "topTab_GSE10609_LMO2TAL1_Anot"        
## [34] "topTab_GSE8879_Anot"                  
## [35] "Transcriptome1"

Todos los puntos son interesantes, al haber filtrado antes nuestros datos (adj.P.Val < 0.05 del toptab y pvalueCutoff = 0.05, qvalueCutoff = 0.05). Este grĆ”fico es igual que si usĆ”ramos solo la primera condiciĆ³n, al ser las demĆ”s menos restrictivas.

Diagrama de Venn

Los anĆ”lisis de significaciĆ³n biolĆ³gica se generaron a partir de los selGenes y geneUniverse, de la siguiente forma:

library(ReactomePA) enrich.result <- enrichPathway(gene = selGenes_GSE8879, pvalueCutoff = 0.05, readable = T, organism = ā€œhumanā€, universe = geneUniverse)

Por lo que la informaciĆ³n de estas listas nos proporcionarĆ” la base para el diagrama de Venn. A partir de esto se genero un df llamado Resultado_GSE8879.

Transcriptome

Haremos un diagrama con los genes selGenes de GSE8879 y referente al artĆ­culo: Huang, R., Han, M., Meng, L., & Chen, X. (2018). Transcriptome-wide discovery of coding and noncoding RNA-binding proteins. Proceedings of the National Academy of Sciences, 115(17), E3879-E3887.

## (polygon[GRID.polygon.985], polygon[GRID.polygon.986], polygon[GRID.polygon.987], polygon[GRID.polygon.988], text[GRID.text.989], text[GRID.text.990], text[GRID.text.991], text[GRID.text.992], text[GRID.text.993])

## (polygon[GRID.polygon.994], polygon[GRID.polygon.995], polygon[GRID.polygon.996], polygon[GRID.polygon.997], text[GRID.text.998], text[GRID.text.999], text[GRID.text.1000], lines[GRID.lines.1001], text[GRID.text.1002], text[GRID.text.1003])

Targeting

## (polygon[GRID.polygon.1004], polygon[GRID.polygon.1005], polygon[GRID.polygon.1006], polygon[GRID.polygon.1007], text[GRID.text.1008], text[GRID.text.1009], text[GRID.text.1010], lines[GRID.lines.1011], text[GRID.text.1012], text[GRID.text.1013])

## (polygon[GRID.polygon.1014], polygon[GRID.polygon.1015], polygon[GRID.polygon.1016], polygon[GRID.polygon.1017], text[GRID.text.1018], text[GRID.text.1019], lines[GRID.lines.1020], text[GRID.text.1021], lines[GRID.lines.1022], text[GRID.text.1023], text[GRID.text.1024])

Large

## (polygon[GRID.polygon.1025], polygon[GRID.polygon.1026], polygon[GRID.polygon.1027], polygon[GRID.polygon.1028], text[GRID.text.1029], text[GRID.text.1030], text[GRID.text.1031], lines[GRID.lines.1032], text[GRID.text.1033], text[GRID.text.1034])

GSE14618

Volcano plot

ComparaciĆ³n C - F_g:

Volcano plot GPL570

ComparaciĆ³n C - F_g:

Volcano plot GPL96

Heatmap

Heatmap GPL570

Heatmap GPL96

Dotplot

GSE26713

Volcano plot

De la comparaciĆ³n BM - HOXA:

Volcano plot GSE26713

Heatmap

Heatmap GSE26713

Dotplot

Se mostrarĆ” un ejemplo de creaciĆ³n de estos graficos:

GSE28703

Volcano plot

ComparaciĆ³n early_T_ALL - non_ETP:

Volcano plot GSE28703

Heatmap

Heatmap GSE28703

Dotplot

##

GSE32215

Volcano plot

ComparaciĆ³n adult T-ALL - pediatric T-ALL:

Volcano plot GSE32215

Heatmap

Heatmap GSE32215

Dotplot

GSE33469

Solo hay un grupo. No pudimos hacer el anƔlisis. Todas las muestras son de pacientes con T-ALL. Nopodemos realizar el volcano plot porque se realiza a partir de la matriz de contrastes entre grupos.

Heatmap

Tampoco podemos realizar el dotplot porque es referente al anƔlisis de enriquecimiento que no se ha podido realizar.

GSE33470

Volcano plot

ComparaciĆ³n CD3masCD4_mas - CD3masCD8_mas:

Volcano plot GSE33470

Heatmap

Heatmap GSE33470

Dotplot

GSE37389

En los resultados de la selecciĆ³n de genes, en la parte de los decideTests, vimos que no habĆ­a genes diferencialmente expresados. TenĆ­amos:

GSE37389_res 0 9403

gruposTCR Down 0 NotSig 9403 Up 0

Volcano plot

ComparaciĆ³n (TCR alfa-beta) - (TCR gamma-delta):

Volcano plot GSE37389

No generaremos un heatmap, ya que lo hemos hecho hasta ahora con los genes que se expresaban diferencialmente, y no existen para este caso.

Tampoco se puede generar un grƔfico de enriquecimiento de tipo dotplot.

GSE56488

Tampoco tenemos genes diferencialmente expresados. CrĆ­amos que era porque los grupos no se diferencian entre sĆ­ significativamente, ya que tienen que ver con grupos de injertos, y no con algo referente al tipo o etapa de la enfermedad.

No podemos realizar el grƔfico heatmap al no haber seleccionado genes diferencialmente expresados entre grupos, ni el grƔfico posterior dotplot.

Volcano plot

ComparaciĆ³n entre cinĆ©tica de injerto corta y larga:

Volcano plot GSE56488

GSE62156

Volcano plot

ComparaciĆ³n CALM AF10 - HOX:

Volcano plot GSE62156

Heatmap

Heatmap GSE62156

Dotplot

GSE110633

Volcano plot

ComparaciĆ³n HOXA - IMM:

Volcano plot GSE110633

Heatmap

Heatmap GSE110633

Dotplot

Realizado en el documento ā€œExpres diferenc y sugnif.Rdmā€. Segundo apartado referente a GSE110633, y dentro en ā€œAnotaciĆ³n de resultados y anĆ”lisis de significaciĆ³n biolĆ³gicaā€.

De la relaciĆ³n entre grupos HOXA y TAL:

Dotplot GSE110633_HOXA_TAL

De la relaciĆ³n entre grupos IMM y TAL:

Dotplot GSE110633_IMM_TAL

De la relaciĆ³n entre grupos TAL y TLX:

Dotplot GSE110633_TAL_TLX

GSE110636

Volcano plot

ComparaciĆ³n HOXA - IMM:

Volcano plot GSE110636

Heatmap

Heatmap GSE110636

Dotplots

Realizado en el documento ā€œExpres diferenc y sugnif.Rdmā€. Segundo apartado referente a GSE110636, y dentro en ā€œAnotaciĆ³n de resultados y anĆ”lisis de significaciĆ³n biolĆ³gicaā€.

De la relaciĆ³n entre grupos HOXA y TAL:

Dotplot GSE110636_HOXA_TAL

De la relaciĆ³n entre grupos HOXA y TLX:

Dotplot GSE110636_HOXA_TLX

De la relaciĆ³n entre grupos IMM y TAL:

Dotplot GSE110636_IMM_TAL

De la relaciĆ³n entre grupos IMM y TLX:

Dotplot GSE110636_IMM_TLX

De la relaciĆ³n entre grupos TAL y TLX:

Dotplot GSE110636_TAL_TLX